-
题名基于点云目标检测算法的船体分段合拢面构件识别方法
- 1
-
-
作者
汪骥
柳丛
李瑞瑞
刘玉君
刘晓
霍世霖
-
机构
大连理工大学船舶工程学院
大连理工大学工业装备结构分析优化与CAE软件全国重点实验室
大连理工大学高新船舶与深海开发装备协同创新中心
大连市舰船先进制造技术重点实验室
-
出处
《船舶工程》
CSCD
北大核心
2024年第7期19-25,89,共8页
-
基金
国家自然科学基金项目(51979033)。
-
文摘
在船体分段合拢面精度检测方面,三维激光扫描仪相比全站仪具有高效、高精度和操作便捷等优势。但扫描点云往往数据量庞大且会包含大量与设计模型无关的周围空间点,不仅增加运算时间而且影响配准精度。基于显著构件的点云配准方法能解决该问题,但实现显著构件的智能识别,还需要一种针对船体分段合拢面构件的智能识别算法。采用深度学习方法,构建一种基于点的、无锚点单阶段目标检测神经网络模型,其适用于船体分段合拢面点云数据,基本实现了对船体分段合拢面上构件的智能识别。使用ADAM优化器对网络进行优化训练,在测试集上获得了平均精确度均值P_(A-m)为64.36%的效果。研究成果可用于改进点云粗配准方法,为实现船体分段合拢面精度的智能高效检测提供帮助。
-
关键词
船体分段合拢面
精度检测
点云
目标检测
深度学习
-
Keywords
block erection surface
accuracy detection
point cloud
object detection
deep learning
-
分类号
U671.99
[交通运输工程—船舶及航道工程]
-